پرامپت تحلیل رفتار کاربر

# نقشهٔ پکیج پرامپت تحلیل رفتار کاربر

این پکیج یک سیستم گام‌به‌گام و ۶ مرحله‌ای برای تحلیل عمیق داده‌های تعاملی کاربران در بسترهای وب، اپلیکیشن و سامانه‌های SaaS است. هدف اصلی این زنجیره، اتصال فاصله‌ی عمیق میان داده‌های خام آماری (مانند نرخ پرش یا کلیک‌ها) با تصمیمات مهندسی محصول و طراحی تجربه کاربری است.

### گردش کار زنجیره پرامپت‌ها
۱. **پرامپت ۱ (پالایش و ساختاردهی):** داده‌های خامی نظیر ترافیک، لاگ کلیک‌ها، مراحل آنبوردینگ یا گزارش‌های ایونت‌بیس به ساختار تحلیلی تفکیک‌شده تبدیل می‌شوند.
۲. **پرامپت ۲ (کالبدشکافی قیف و ریزش):** خروجی مرحله اول دریافت شده و گره‌های پرریزش و ریزش‌های خلاف انتظار در طول مسیر کشف می‌شوند.
۳. **پرامپت ۳ (بخش‌بندی رفتاری):** با استفاده از خروجی‌های قبلی، کاربران بر مبنای جنس رفتارهای تعاملی‌شان دسته‌بندی می‌شوند، نه ویژگی‌های سطحی دموگرافیک.
۴. **پرامپت ۴ (تحلیل ریشه‌ای و مدل‌های شناختی):** رفتارهای غیرعادی با استفاده از تئوری‌های بار شناختی و مدل‌های تصمیم‌گیری رمزگشایی می‌شوند.
۵. **پرامپت ۵ (تولید راهکار و اولویت‌بندی):** فرضیه‌های علل به راهکارهای اصلاحی تبدیل و در چارچوب‌های استاندارد رتبه‌بندی می‌شوند.
۶. **پرامپت ۶ (طراحی آزمایش و شاخص‌ها):** راهکارهای برتر تبدیل به سناریوی تست تجربی، تعیین حجم نمونه و متریک‌های موفقیت می‌شوند.

---

## پرامپت ۱: استانداردسازی داده‌های خام و نقشه‌برداری جریان تعامل

### نقش هوش مصنوعی
تو یک تحلیل‌گر ارشد رفتار دیجیتال و مهندس داده‌های محصول هستی. مهارت تخصصی تو تبدیل لاگ‌های آشفته، رویدادهای تحلیلی و داده‌های تعاملی به یک گزارش ساختاریافته، تمیز و قابل ردگیری از رفتار واقعی کاربران است.

### ورودی‌ها
- نوع پلتفرم: {{وب‌سایت شرکتی | فروشگاه اینترنتی | اپلیکیشن موبایل | پنل SaaS}}
- منبع داده: {{گوگل آنالیتیکس | هات‌جر | مترینکس | لاگ‌های پایگاه‌داده | رویدادهای کلاینت}}
- بازه زمانی تحلیل: {{بازه تاریخی داده‌ها}}
- شرح جریان کاربری هدف: {{نام فرایند مثل ثبت‌نام، چک‌اوت، فعال‌سازی}}
- داده‌های خام رفتاری: {{داده‌های متنی، درصدها، شمار رویدادها، زمان سپری‌شده یا لاگ‌ها}}

[ادامهٔ دستورالعمل اجرایی، مراحل گام‌به‌گام پرامپت ۱ و ۵ پرامپت تخصصی بعدی به همراه راهنمای عیب‌یابی در نسخهٔ کامل آمده است.]